若い鳥と年老いた鳥がペアを組むと、社会的な近接欲求が世代を超えて飛行経路の改善をもたらす可能性があることをご存知ですか？
エドウィン・ダルマイジャー博士（Edwin Dalmaijer, PhD）率いる英国ブリストル大学の認知神経科学者による新しい研究は、ハトの飛行経路における社会的影響を調査しました。この研究は、ペアを組んだハトの飛行パターンをコンピューターモデルと比較し、若い鳥が年上の鳥からルートを学びつつ改良を加えることで、世代を超えてより効率的な飛行経路が生まれることを示しました。この研究は2024年6月6日にオープンアクセスジャーナルPLoS Biologyに掲載されました。論文タイトルは「Cumulative Route Improvements Spontaneously Emerge in Artificial Navigators Even in the Absence of Sophisticated Communication or Thought（洗練されたコミュニケーションや思考がなくても人工ナビゲーターに累積的な経路改善が自発的に生じる）」です。
ハトは特定の場所へ長距離を移動する能力で知られています。多くの鳥と同様に、太陽や地球の磁場を感知してナビゲートしますが、これらの感覚だけでは最も効率的なルートを生成することはできません。
ダルマイジャー博士は、以前に発表された研究からデータを収集し、ルートに精通したハトと初めて飛行するハトをペアにしました。このデータは、未経験のハトが導入されるとペアが目的地に向かってより直線的なルートを飛行することを示しましたが、これらの研究ではペアのハトがどのようにしてより効率的なルートを生成するかは解明されていませんでした。
ダルマイジャー博士は、ハトの飛行データを4つの主要な要因を優先するコンピューターモデルと比較しました。これらの要因は、目標への方向（鳥の内部コンパスを表す）、他のハトへの近接、記憶されたルート、および一般的な一貫性（鳥が不規則なターンをしない傾向があるため）を含みます。
モデル内で、シミュレートされた鳥（「エージェント」と呼ばれる）は60回以上の旅をしました。12回ごとに一つのエージェントが初めての旅をするエージェントと交代し、若い鳥をシミュレートしました。これにより、飛行経路の効率が世代を超えて向上しました。これらの改善は、実際のハトのペアから得られたデータに似ていましたが、ハトのデータはモデルの最適バージョンとは一致しませんでした。これは、ハトがモデルでは考慮されていない追加の要因に影響されているためです。
モデルのパラメータの一部、例えばルートの記憶や他のハトへの近接欲求が取り除かれた場合、世代を超えた改善は見られませんでした。ダルマイジャー博士は、「これらの結果は、個々が単に他者への近接を求めることで、世代を超えた段階的な改善が起こり得ることを示唆しています」と述べています。
モデルは両方向での学習を示しています。予想通り、若いエージェントは年上のエージェントからルートを学びます。しかし、年上のエージェントも若いエージェントから利益を得ています。若いエージェントは内部ルートに従わないため、最終目的地に向かってより強く引き寄せられます。エージェント間の社会的近接欲求がこれらの引力をバランスさせ、全体としてより効率的なルートを導きます。さらに、これらの発見は、ハト以外の他の種、例えばアリや一部の魚のように、記憶と社会的要因に基づいて旅をする生物にも適用される可能性があります。
ダルマイジャー博士はさらに、「私はオランダの都市で育ち、そこではハトが常に自転車の交通に突っ込んできましたので、ハトの知性に対する高い評価は持っていませんでした。しかし、この研究はその一方で、‘愚かな’人工エージェントでも飛行経路の効率が徐々に向上することを示しており、一方でハトのナビゲーションと累積的文化に関するすべての素晴らしい仕事に大きな尊敬を抱き、少しだけハトにも敬意を持つようになりました（自転車から離れていればですが）」と述べています。
この研究は、若いハトと年老いたハトがペアを組むことで、飛行経路の効率が世代を超えて向上する可能性を示しています。特に社会的な近接欲求が重要な役割を果たしていることが明らかになりました。ダルマイジャー博士の研究は、他の種にも適用可能な示唆に富むものであり、ハトのナビゲーション能力に新たな視点を提供しています。ハトに対する敬意も少しだけ高まりましたが、自転車の近くにはいてほしくないですね。
